烧灯续昼2002

开启掘金成长之旅！这是我参与「掘金日新计划 · 2 月更文挑战」的第 4 天，点击查看活动详情 将第一个特征取值调大100倍 可以看到第一个特征对应的系数$w_{1}$大概在100次迭代后就到到达了解

开启掘金成长之旅！这是我参与「掘金日新计划 · 2 月更文挑战」的第 3 天，点击查看活动详情   在前面的实验，我们发现 这里我们是用np.random.randn(n, 1)，来随机选择初始值w的

为什么逻辑回归predict_proba返回结果按行求和为1，这里没有分成三个小的逻辑回归然后对输出的概率进行求和，一个是我确实没弄出来，其次帮助文档没有提及需要像ovr一样对每个类别设为正类，以及源

发布技术文章，文章内首/尾句带关键词“开启掘金成长之旅！这是我参与「掘金日新计划 · 2 月更文挑战」的第 1 天，点击查看活动详情” 符号 含义 $x$ 测试样本 $D$ 数据集 $y_D$ $x$

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第20天，点击查看活动详情   基尼指数 ID3算法通过信息增益求特征、C4.5通过信息增益比求特征，而在CART算法中，是通过基

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第19天，点击查看活动详情   决策树生成算法递归地产生决策树，直到不等你继续下去为止。这样产生的树往往对训练数据的分类很准确，但

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第18天，点击查看活动详情   ID3算法 输入：训练数据集$D$，特征集$A$，阈值$\epsilon$ 输出：决策树$T$  

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第17天，点击查看活动详情 分类决策树模型时一种描述对实例进行分类的树形结构   决策树由结点和有向边组成。结点有两种类型：内部结

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第16天，点击查看活动详情 核函数定义 $$ K:X \times X \mapsto \mathbb{R},\forall x,